Wie kann ich trainierte TensorFlow-Modelle speichern und wiederherstellen?

Trainierte TensorFlow-Modelle speichern und wiederherstellen

TensorFlow bietet nahtlose Funktionen zum Speichern und Wiederherstellen trainierter Modelle, sodass Sie Ihre Modelle beibehalten und wiederverwenden können verschiedene Szenarien.

Speichern der Modell

Um ein trainiertes Modell in TensorFlow zu speichern, können Sie die Klasse tf.train.Saver verwenden. Hier ist ein Beispiel:

import tensorflow as tf

# Prepare placeholders and variables
w1 = tf.placeholder(tf.float32, name="w1")
w2 = tf.placeholder(tf.float32, name="w2")
b1 = tf.Variable(2.0, name="bias")
feed_dict = {w1: 4, w2: 8}

# Define an operation to be restored
w3 = tf.add(w1, w2)
w4 = tf.multiply(w3, b1, name="op_to_restore")
sess = tf.Session()
sess.run(tf.global_variables_initializer())

# Create a saver object
saver = tf.train.Saver()

# Run the operation and save the graph
print(sess.run(w4, feed_dict))
saver.save(sess, 'my_test_model', global_step=1000)

Wiederherstellen des Modells

Um ein zuvor gespeichertes Modell wiederherzustellen, können Sie den folgenden Prozess verwenden:

import tensorflow as tf

sess = tf.Session()

# Load the meta graph and restore weights
saver = tf.train.import_meta_graph('my_test_model-1000.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))

# Access saved variables directly
print(sess.run('bias:0'))  # Prints 2 (the bias value)

# Access and create feed-dict for new input data
graph = tf.get_default_graph()
w1 = graph.get_tensor_by_name("w1:0")
w2 = graph.get_tensor_by_name("w2:0")
feed_dict = {w1: 13.0, w2: 17.0}

# Access the desired operation
op_to_restore = graph.get_tensor_by_name("op_to_restore:0")

print(sess.run(op_to_restore, feed_dict))  # Prints 60 ((w1 + w2) * b1)

Weitere Szenarien und Anwendungsfälle finden Sie in den Ressourcen in den bereitgestellten Antworten, die sich eingehender mit dem Speichern und Wiederherstellen von TensorFlow befassen Modelle.

Das obige ist der detaillierte Inhalt vonWie kann ich trainierte TensorFlow-Modelle speichern und wiederherstellen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!